邊緣計算是什麼，和雲計算的區別是什麼？

01-24

鏡像問題：如何通俗的解釋霧計算和雲計算之間的區別？

謝邀

雲計算：

一種利用互聯網實現隨時隨地、按需、便捷地使用共享計算設施、存儲設備、應用程序等資源的計算模式

如今越來越多的應用正在遷移到「雲」上，如我們生活中接觸的各種「雲盤」存儲等等

雲計算系統由雲平台、雲存儲、雲終端、雲安全四個基本部分組成。

雲平台從用戶的角度可分為公有雲、私有雲、混合雲等。

通過從提供服務的層次可分為基礎設施即服務（Iaas）、平台即服務（Paas）和軟體即服務（Saas）

雲計算——更大、更快、更強

將應用部署到雲端後，可以不必再關注那些令人頭疼的硬體和軟體問題，它們會由雲服務提供商的專業團隊去解決。使用的是共享的硬體，這意味著像使用一個工具一樣去利用雲服務（就像插上插座，你就能使用電一樣簡單）。只需要按照你的需要來支付相應的費用，而關於軟體的更新，資源的按需擴展都能自動完成。

雲計算，像在每個不同地區開設不同的自來水公司，沒有地域限制，優秀的雲軟體服務商，向世界每個角落提供軟體服務——就像天空上的雲一樣，不論你身處何方，只要你抬頭，就能看見！

邊緣計算：

和傳統的中心化思維不同，他的主要計算節點以及應用分散式部署在靠近終端的數據中心，這使得在服務的響應性能、還是可靠性方面都是高於傳統中心化的雲計算概念，具體而言，邊緣計算可以理解為是指利用靠近數據源的邊緣地帶來完成的運算程序。

那麼：邊緣計算和雲計算又有何區別？

實際上這兩者都是處理大數據的計算運行方式。

但不同的是，這一次，數據不用再傳到遙遠的雲端，在邊緣側就能解決，更適合實時的數據分析和智能化處理，也更加高效而且安全。

邊緣計算服務的構建，從技術領域是一種很大的創新！

如今AWS、微軟、英特爾等國外大型企業已經著手布局邊緣計算，可以預見的是邊緣計算之於雲服務企業重要性可見一斑！

如果說雲計算是集中式大數據處理，那麼邊緣計算可以理解為邊緣式大數據處理！

由於邊緣計算(Edge computing )指的是接近於事物，數據和行動源頭處的計算，所以我們也可以把這種類型的數據處理使用更通用的術語來表示：鄰近計算或者接近計算(Proximity Computing)

邊緣計算具備的幾點特質：

1.分散式和低延時計算

2.對終端設備的數據進行篩選，不必每條原始數據都傳送到雲，充分利用設備的空閑資源，在邊緣節點處過濾和分析，節能省時

3.減緩數據爆炸，網路流量的壓力，在進行雲端傳輸時通過邊緣節點進行一部分簡單數據處理，進而能夠設備響應時間，減少從設備到雲端的數據流量

4.智能化（Edge intelligence）

對於未來而言物聯網也好、AR或則VR場景也好以及大數據和人工智慧行業，實際上都有著極強的對近場計算的需求，邊緣計算保障大量的計算需要在離終端很近的區域完成計算，完成苛刻的低延時服務響應！可以預見的是，在未來邊緣計算的發展並不邊緣！

「遇見邊緣計算|視界雲」

區別在於兩者所處的網路位置。

雲計算的數據中心在核心網路中，離用戶較遠（i.e.網路通信跳數高）。

邊緣計算近，如下圖，終端用戶的消息要抵達核心網路要通過層層網路設備，邊緣層設備在這條通信通路當中，通信跳數低。

（圖片來源：Fog Computing and Geo-Distributed Cloud）

邊緣計算有哪些優點？

最直接的有兩方面：

- 首先是上面已經提到的網路延遲低，能夠適應實時性要求高的應用。

- 省核心網路帶寬，未來萬物互聯，會有大量的感測器不斷產生數據，把如此大量的數據都傳到數據中心會帶來核心網路擁塞，而且也完全不必要把原始數據傳向數據中心。一個很好的解決是在邊緣層做初步的處理，篩選，和聚合，只把有價值的數據傳向雲伺服器做存儲或進一步的分析。

為什麼不用邊緣計算替代雲？

邊緣層設備往往資源有限，不像數據中心那樣有大量的資源（CPU，內存，硬碟）。

兩者協同配合才能夠最大程度的發揮作用。

如果把雲計算比作整個計算機智能系統的大腦。那麼邊緣計算就是這個系統的眼睛耳朵和手腳。核心伺服器讓智能系統具有很強的人工智慧，但是如果這個人工智慧是聾子瞎子，它也發揮不了太大的作用。大數據應用中常常面對的一個痛點，就是沒有採集到合適的數據。邊緣計算可以為核心伺服器的大數據演算法提供最準確，最及時的數據來源。邊緣計算和雲計算的結合讓整個智能系統不但頭腦清楚，而且耳聰目明，手腳靈便。

完全依賴雲計算的計算機系統就好比每一件事都要請示司令部的軍隊，在需要大量和外界互動的時候會顯得僵化，反應遲緩，而且一旦網路有點問題就徹底歇菜。加上邊緣計算之後就好比讓中低層軍官也開始發揮主觀能動性，能一定程度上自主做出智能判斷和行動決策，同時也只需要把一部分經過篩選的信息上傳到司令部。大大緩解了網路通訊的壓力。即使在和總司令部暫時失去聯繫的情況下，也能自主做出部分決策。

Edge Computing，英譯中容易丟失內在意味，理解為在（數據源、用戶端……）的邊緣進行計算就比較清楚了

物聯網不是正在興起嗎，全部數據集中到雲計算中心，網路帶寬和延時都是非常大的壓力，那麼在近端預處理就比較經濟了

如果我們把計算當作是，小麥釀造成啤酒的過程的話。。。

小麥是有產區的，類似於內容的產生是不均勻的，但是也比較分散，比如東北人主播比較多，但實際上全國都有主播。

計算大約會包含下面幾件事情：1 把小麥釀成酒，或者製作啤酒花（圖片和視頻的壓縮轉碼，水印等）2 統計下某個產區的小麥產量和質量（運營數據分析）。

我們會發現一個問題，如果我們把小麥全部運到首都，再做上面兩個事情，就比較蠢了。因為小麥體積太大，運輸很難，而原地存儲比較方便。（原始數據如果在公網傳輸，帶寬成本太高，尤其是如果你僅僅是做運營統計的話）

此時就需要邊緣計算了。所以你才會在全國各地看到各自的啤酒廠，為了就近釀酒。（這個例子不太恰當，因為啤酒的運輸成本也很高，而當地人也是就近喝酒的）邊緣計算的後續，也很可能是把計算結果匯聚到中心。

另一個問題是，你的啤酒廠不能產能過剩，也不能產能不足。否則沒法合理消耗掉原產地的小麥。

而雲計算是什麼呢？

就是你不知道他是怎麼算的，他就算出來了。「雲」就是這麼個意思。

從這個意義上來說，一個雲計算可以是由邊緣計算實現的，所以雲計算包含邊緣計算。